典型文献
基于生成对抗网络的半监督遥感图像场景分类
文献摘要：
提出使用生成对抗网络(generative adversarial networks,GAN)的半监督遥感图像场景分类模型,该模型引入了密集残差块、预训练的ResNet50 V1网络及特征融合思想、金字塔卷积和谱归一化增强判别网络的特征表示能力,以提高半监督分类性能.密集残差块的引入可以提高生成网络生成图像的质量,同时增加判别网络提取特征的判别能力;通过微调预训练的ResNet50 V1网络提取输入图像的语义特征,并与原始判别网络的特征融合进一步增强特征判别能力;金字塔卷积利用不同类型、大小和深度的滤波器来捕获图像中不同层次的细节;谱归一化能够稳定GAN的训练过程从而提高分类精度.在公开的EuroSAT和UC Merced数据集上的实验结果表明,提出的模型获得了最高的分类精度,尤其在仅有少量有标签样本的情况下取得了明显更高的精度.
文献关键词：
遥感图像场景分类;半监督学习;生成对抗网络;金字塔卷积;谱归一化
中图分类号：
作者姓名：
郭东恩;吴泽琛
作者机构：
南阳理工学院计算机与软件学院 河南南阳 473004
文献出处：
引用格式：
[1]郭东恩;吴泽琛-.基于生成对抗网络的半监督遥感图像场景分类)[J].南阳理工学院学报,2022(06):53-59
A类：
B类：
生成对抗网络,遥感图像场景分类,出使,generative,adversarial,networks,GAN,分类模型,密集残差块,预训练,ResNet50,V1,特征融合,融合思想,金字塔卷积,谱归一化,判别网络,特征表示,示能,半监督分类,分类性能,生成网络,成图,提取特征,微调,语义特征,滤波器,不同层次,训练过程,分类精度,EuroSAT,UC,Merced,半监督学习
AB值：
0.332461
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
